många ledande forskare börjar hävda att skalning ensam inte kommer att ta oss till AGI, och att vi så småningom kommer att behöva ett stort forskningsgenombrott liknande skapandet av transformatorer. Jag hade nyligen möjlighet att prata med John Hennessy (ordförande för Alphabet), och jag frågade honom om den nuvarande skalningstrenden bara är en tillfällig fas eller ett paradigm i sig. Han sade att det finns två nyckelfrågor: Om skalning kommer att fortsätta ge framsteg i förmågan att bygga AI-system för att göra komplext resonemang. Hittills har vi inte sett något stopp i det, så svaret är inte tydligt ja, men troligen. Den andra frågan är om skalning kommer att förbli kostnadseffektivt, och hans svar på det var nej. Ett användbart mått att titta på är prestanda per watt, och den kurvan börjar plana ut. Jag tror att det blir allt tydligare att även om skalning fortsätter att förbättra modellernas kapacitet, så är den verkliga flaskhalsen kanske inte avtagande avkastning, utan energikostnaden som krävs för att nå AGI- och ASI-nivåsystem. Platån syns inte i råprestanda, utan i prestanda per watt. ASI-problemet kollapsar slutligen till ett energi-problem. Kardashev blir det.